Экономика состоит из задач
Модель представляет все рабочие места в экономике как наборы задач. ИИ может помочь людям лучше или быстрее выполнить конкретную задачу. Может полностью автоматизировать её. Может не повлиять на задачу вообще. И может создать новые задачи.
Возьмём день из жизни медсестры. Любую работу можно разложить на отдельные задачи: осмотры пациентов, забор крови, сортировка поступивших, ведение истории болезни, заказ расходников для палаты — и это только начало. Каждая из этих задач основана на классификации американского Министерства труда O*NET, где описаны задачи для каждой профессии.
Работа меняется со временем. Задачи исчезают из набора (никто уже не пишет истории болезни от руки) и появляются новые (30 лет назад никто не мониторил пациентов на расстоянии). Набор задач не статичен — работа трансформируется вместе с ними.
Некоторые задачи могут выполнить только люди. Например, ИИ не может помыть пациента.
Часть задач будет улучшена с помощью ИИ. Технология помогает людям выполнять их лучше или быстрее — ИИ помогает медсестре составить инструкции по выписке, мониторить пациентов на расстоянии, планировать расписание уход в палате.
Некоторые задачи могут быть полностью автоматизированы. Например, ИИ может самостоятельно фиксировать показатели пациента или заказывать расходники для палаты.
И появятся новые задачи. Исторически новые технологии всегда создавали новую работу для людей. Для медсестры это может быть проверка качества работы ИИ при сортировке пациентов или рецензирование рекомендованного ИИ плана ухода.
В результате работа медсестры меняется. По мере интеграции ИИ в её повседневность медсестра может курировать и выполнять больше задач. Она тратит больше времени на общение с пациентами и объяснение диагнозов. Производительность растёт.
Каждая задача выполняется миллионы раз в день по всей стране. Медсёстры работают на каждом отделении и в каждую смену. По мере распространения ИИ технология поддерживает всё больший процент этих миллионов экземпляров каждой задачи.
От задач к экономике. Если сложить все экземпляры задач, выполняемых в США людьми и используемыми ими машинами и ПО, получится американская экономика: более $30 трлн стоимости, созданной за прошедший год. Как же ИИ будет формировать экономику будущего?
Ответ зависит от того, как ИИ влияет на все задачи, из которых состоит экономика, какие новые задачи создаёт и как быстро внедряется. Станет ли ИИ усиливать задачи или их автоматизировать? Насколько выше поднимется производительность? Как быстро это примут на вооружение работники и компании? Ответы на эти вопросы напрямую влияют на ВВП, рынок труда и долю добытого, которая достаётся работникам.
Есть много возможных будущих, но мы выделяем три сценария
Будущее зависит от того, как развиваются возможности ИИ и как индустрии и работники их внедряют. Три сценария, которые мы представляем, отражают различные типы воздействия.
В скромном сценарии эффект ИИ сложно заметить в макроэкономических данных — его влияние похоже на воздействие интернета. В существенном сценарии ИИ производит больший эффект, чем интернет или железная дорога. А в экстремальном сценарии ИИ управляет полностью трансформированной, беспрецедентной экономикой, вероятно, благодаря рекурсивно самосовершенствующимся системам ИИ и более быстрому внедрению.
Небольшой экономический прирост. В скромном сценарии ИИ производит примерно такой же эффект, как интернет. Он создаёт реальный экономический прирост, но он остаётся в рамках исторической нормы для новых технологий и приходит постепенно.
Революция в знаниевой работе. В существенном сценарии ИИ способен выполнять половину всей знаниевой работы к 2030 году, большую часть автономно, но он применяется не для всей этой работы — большинство задач по-прежнему выполняются без ИИ. Экономика растёт в два раза быстрее нормы. Зарплаты знаниевых работников не растут, но другие работники видят прибыль.
Глубокая экономическая трансформация. В экстремальном сценарии ИИ более производителен, чем люди, в подавляющем большинстве задач знаниевой работы. Он выполняет почти все из них автономно и практически не создаёт новые знаниевые задачи для людей. Такой сценарий, вероятно, потребует рекурсивно самосовершенствующегося ИИ, внедрённого быстро на знаниевую работу.
По мере распространения ИИ годовые темпы роста ВВП достигают 15% в год, экономика удваивается в размере каждые 4,5 года. Как общество мы намного богаче, чем когда-либо, но намного меньше работников имеют работу в знаниевой сфере, и безработица выросла сверх обычного уровня рецессии.
Как мощный ИИ может изменить экономику?
Как думаешь, как будет развиваться ИИ в ближайшие несколько лет? И что этот путь означает для экономики? Интерактивный сценарий-обозреватель предлагает рассмотреть эти вопросы и изучить возможные ответы.
Ожидания людей относительно возможностей будущего ИИ различаются
В августе опросили более 10 тысяч американцев об их взглядах на текущие и будущие возможности ИИ, внедрение и лёгкость поиска новой работы, если нужно поменять род деятельности.
Ответы типичного респондента предполагают результаты, близкие к сценарию «существенных изменений»: ВВП на 10% выше в 2030 году, чем без ИИ, и общий уровень безработицы вырос примерно до 5%. Около 10% респондентов имеют взгляды, соответствующие экстремальному сценарию.
Вывод 1: Рост ВВП
ИИ растит экономику во всех сценариях, но в разной степени. Технология способствует росту ВВП во всех случаях, хотя масштаб варьируется огромным образом в зависимости от сценария.
Скромный сценарий: +1,6% — $34,1 трлн ВВП
Существенный сценарий: +8,3% — $36,3 трлн ВВП
Экстремальный сценарий: +32,4% — $44,4 трлн ВВП
Однако рост — не единственная экономическая динамика, которая нас волнует. Что означали бы эти потенциальные будущие для того, сколько из этого роста работники получат в виде зарплаты или сколько людей должны будут искать новую работу?
Эта модель — не полная карта реальности, но показывает интересные выводы. ВВП страны будет расти, но большая доля этого процветания может пойти к ресурсам и технологиям, созданным для создания большего богатства (капиталу) в сравнении с работниками, даже если общество станет намного богаче.
И в большинстве сценариев переквалификация рабочей силы и безработица остаются в пределах исторического диапазона — за одним исключением. В экстремальном сценарии, если произойдёт рекурсивное самосовершенствование и быстрое внедрение, безработица может подскочить до исторических уровней.
Вывод 2: Переквалификация рабочей силы
В более трансформационных сценариях больше работников должно переходить в другие профессии. Это может означать более высокую безработицу.
На рынке труда всегда идёт какая-то текучка — люди теряют работу и находят новую. В обычные времена этот процесс может быть болезненным, но с макроэкономической точки зрения работает относительно хорошо. Большинство ищущих работу находят её довольно быстро.
В существенном и экстремальном сценариях знаниевые работники могут столкнуться с большой автоматизацией и вытеснением. На уровне отдельного человека это означает, что программисты и агенты call-центров могут переходить на работу, как электрик или медсестра, которые менее подвержены влиянию ИИ.
Но полная смена профессии сложна, и многим людям требуется много времени, чтобы получить новую работу. Чем больше переключений требует сценарий, тем больше людей будут между работами.
Переход на новую профессию затруднён по нескольким причинам: работники могут не хотеть менять профессию. Они могут нуждаться в новых навыках. И даже когда они это делают, получить новую работу нелегко. В экстремальном сценарии, по мере того как большие части знаниевой работы автоматизируются быстрее, затронутые работники могут долго оставаться без работы.
Скромный сценарий: Безработица остаётся низкой и стабильной
Существенный сценарий: Безработица среди знаниевых работников растёт, но остаётся управляемой
Экстремальный сценарий: Безработица среди знаниевых работников резко скачет
Вывод 3: Зарплаты
Во всех трёх сценариях средние зарплаты растут, но этот рост сосредоточен в профессиях вне знаниевой работы.
Это происходит потому, что работникам требуется время для переключения в профессии, где растёт спрос. Если спрос на человеческую знаниевую работу снижается, это создаёт нисходящее давление на зарплаты. Между тем, когда ИИ повышает производительность в знаниевой работе, спрос на физический труд, который выигрывает от этой производительности, возрастёт. Например, более быстрое создание проектов и разрешений для физической инфраструктуры может увеличить количество строительных проектов, результатом чего будет растущий спрос на строителей, который поднимает их зарплаты выше. В существенном сценарии зарплаты знаниевых работников практически плоские. В экстремальном сценарии они падают более чем на 10% к 2030 году.
Вывод 4: Доля труда против капитала
Пирог будет расти, но большая доля может пойти капиталу. Сегодня из каждого доллара, который производит экономика, примерно 60¢ идёт работникам и 40¢ — капиталу. Если экономика растёт, но ИИ автоматизирует больше задач, больше каждого доллара может пойти капиталу. Это может произойти даже при значительном росте зарплат для всех работников. Если капитал становится более полезным для большего количества вещей, он будет в большем спросе, что поднимет его цену. В таком мире большей части выигрыша от растущей экономики течёт владельцам капитала.
Обнаружено, что доля труда заметно падает в существенном и экстремальном сценариях, и доля капитала растёт. Средние зарплаты растут — работники вне знаниевого сектора платятся намного больше — но зарплаты знаниевых работников стагнируют или падают вместе с ухудшением безработицы.
В экстремальном сценарии прибыль от быстро расширяющейся экономики распределяется неравномерно. Большинство знаниевых работников сталкиваются либо с более низкими зарплатами, либо с безработицей, и работники в целом получают меньшую долю от большего пирога. Общий трудовой доход в 2030 году практически не изменится.
В этом сценарии главная проблема — не достижение экономического роста, а обеспечение того, чтобы выгоды были распределены широко и затраты не распределялись неравномерно.
Будущее не предопределено
В конечном итоге, как будет выглядеть экономика в 2030 году, зависит от многих факторов: что может делать ИИ и как компании и работники решают его внедрять. Это также зависит от того, как распределяется финансовая выгода от этой технологии.
Как любая экономическая модель, эта имеет ограничения. Например, она не включает сценарии, в которых человечество создаёт гиперспособные роботы. Модель основана на собственном исследовании Anthropic и внешней рецензии, и они будут продолжать добавлять к ней по мере развития доказательств.
Эта модель наряду с полным портфелем исследований Anthropic будет информировать исследования, которые финансирует компания, чтобы найти эффективные вмешательства при нарушениях рынка труда. Это также будет информировать предлагаемые ими идеи политики с целью обеспечения того, чтобы экономические выгоды ИИ были широко распределены по обществу как в США, так и по всему миру.
Отказ от ответственности и благодарность рецензентам
v1.0 интерактивного сценария Econ, сентябрь 2026
Сценарий-обозреватель экономики в настоящее время является версией 1.0. Как и любая модель, это резкое упрощение сложной реальности: она выделяет несколько ключевых сил и опускает многие другие, которые могут стать актуальными и важными в ближайшие годы. Например, она исключает политические ответы, деловые циклы, потенциальные нарушения совокупного спроса или финансовых рынков и возможные катастрофические риски. Сценарий-обозреватель — работа в процессе, и ожидается, что он будет развиваться как по мере того, как компания инвестирует в него больше времени, так и по мере развития самого экономического исследования.
Благодарны экономистам, которые читали ранний черновик технического отчёта, лежащего в основе框架обозревателя, и дали подробные комментарии: Дарон Асемоглу, Лукас Альтофф, Дэвид Автор, Том Каннингэм, Лукас Фройнд, Джо Хазелл, Бен Джонс, Пит Клиноу, Даниал Лашкари, Курт Митман, Бен Молл, Эми Накамура, Паскуаль Рестрепо, Дэвид Ромер, Йон Стейнссон, Крис Тонетти, Людо Visschers и Дэвид Виклер. Их обратная связь была щедрой и искренней, и она уже улучшила модель. Два примера: несколько рецензентов отметили, что развитие ИИ может повысить прибыли на капитал, так что больше выигрыша течёт владельцам капитала; и несколько отметили, что зарплаты работников в профессиях, которые ИИ затрагивает больше всего, могут отличаться от профессий, которых он едва затрагивает. Оба канала теперь являются частью сценариев. Внешних рецензентов не просили поддерживать наши выводы, и все оставшиеся ошибки наши.
Другие критики всё ещё открыты, и они планируют решить многие из них в будущих версиях. Рецензенты указали, что модель не следит за отдельными работниками, поэтому она может только нарисовать очень грубую картину затрат на перемещение рабочих мест. Некоторые сомневались, будут ли затронутые ИИ профессии сокращаться вообще, а не расти. Некоторые почувствовали, что самый экстремальный сценарий лучше всего читать как мысленный эксперимент, чем сценарий, в то время как другие чувствовали, что самый скромный недооценивает то, что уже видно в данных. Несколько просили нас быть понятнее, что модель не включает эффекты совокупного спроса, вызванные строительством центра данных. И более одного рецензента утверждали, что мы можем недооценивать, насколько ИИ может ускорить само технологическое развитие. Согласны, что многие из них — ограничения текущей модели. Сценарий-обозреватель следует рассматривать как инструмент для размышления о том, какие последствия для экономики будут иметь различные технологические разработки — фактические результаты могут существенно отличаться.
Антон Кориник, Чад Джонс, Шимон Сачер, Тесс Коттер и Питер МакКрори разработали экономическую модель и соавторили сопровождающий технический отчёт. Санти Руиз написал этот отрывок с ними, при редакционной поддержке Сары Поллак и Адама Фарины. Келси Нанан разработала и построила интерактивный опыт, с визуальным дизайном и арт-директором Никки Макагиансара и Моники Тучовской; Кайл Турман и Шимон Сачер построили сценарий-обозреватель и возглавили перевод модели в интерактивную форму; Фаяз Ашраф и Райан Хеллер способствовали инженерному делу, и Ким Уизи и Мария Гонсалес поддерживали производство. Шимон Сачер и Тесс Коттер разработали и провели сопровождающие опросы с Morning Consult, при поддержке Бена Фаулера. Питер МакКрори, Антон Кориник и Чарльз Ян координировали проект, и Джек Кларк обеспечивал руководство на протяжении всего времени. Мириам Шаум, Джек Кларк, Шафран Хуан, Максим Массенкофф и Питер МакКрори помогли инициировать эту работу. Джим Бейкер, Шан Картер, Йоханнес Гермле, Зоя Хитциг и Ева Любич предоставили обратную связь.